[发明专利]一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法

说明书

本发明公开了一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法，旨在通过对红外图像时空属性进行分析，结合图像纹理信息和温度时序变化信息，利用宽度学习完成电气设备故障诊断。该方法能够在极短的时间内提取出出每张红外图像中需要分析的目标电力设备并且给出对应的温度信息，解决红外图像只能使用专门配备的随机软件进行分析的掣肘，同时深度挖掘了红外图像的时空属性，从多维度分析红外图像，提高红外诊断技术的有效性和准确性。

技术领域

本发明属于基于红外诊断技术的电气设备维护领域，特别是涉及一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法。

背景技术

红外故障诊断技术利用红外热成像原理显示设备表面温度分布情况，以判断设备内部状况，具有图形直观、判断准确、安全可靠、诊断效率高等特点，在电气设备的预防性检修中发挥了重要作用。现如今诸多电力集团配备先进的红外热成像仪，用于检测输变电设备电压致热或电流致热型缺陷，如主变压器、互感器、避雷器等设备的引线接触不良问题；还用于快速检测转动机械运行时的温度异常，如轴承和齿轮等转动部件温度异常、润滑和冷却系统温度异常，帮助判断转动机械设备故障原因。但是目前各单位用的仪器品牌不一，随机软件只有温度识别显示功能等，在应用于不同的设备时，只能根据检测者的经验和相关的国标和行业规范作为检测标准，必须通过综合分析和工程实际经验的分析找出判据。并且红外图像的格式是由生产红外热像仪的厂家为仪器规定的，必须借助随机附带的处理软件才能读取温度等信息，而且软件功能参差不齐，处理功能一般只能满足大多数用户的简单需求，能够提供的图像信息非常有限，不具有二次开发的条件。综上，针对红外图像进行量化分析获得图像中的目标电气设备及其温度场分布信息，并且后续对图像信息进一步挖掘，提取特征反映设备运行状况，以满足工业、电力行业中日益增长的运行安全需要，具有重要的现实意义。

发明内容

本发明的目的在于针对现有的红外图像只能通过专门配备的随机软件进行分析且分析功能完全取决于生产商从而导致红外图像量化分析受限制的问题，提出一种快速的温度软测量及其目标电力设备故障诊断策略。该策略可对电力设备的红外图像进行量化分析，准确获得红外图像中每个点的温度值，提取目标电力设备区域，并针对该区域提取时间及空间特征，不仅更加有利于红外图像的流通与处理，从而使得不借助生厂商的软件进行二次分析，进一步挖掘图像信息，并且改善了由于在实际工业、电力环境中，每次拍摄的角度、位置不能完全保证完全一致从而对后续图像信息挖掘带来的干扰的问题，实现了对红外图像时间信息和空间信息的充分利用，提高了基于红外故障诊断技术的准确性。

本发明采用如下技术方案：一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法，该方法包括以下步骤：

(1)利用红外热像仪在工业环境中获取电力设备的多帧红外图像；

(2)针对获得的红外图像，读取图像中任意一条直线l上的温度值Y；

(3)针对步骤(1)中获得的图像，将其从RGB真彩图像转换为二维灰度图像，转换公式如下：

X＝0.299*R+0.587*G+0.114*B (1)

(4)以直线l上的灰度值X作为神经网络输入，温度值Y作为神经网络的输出值，构建BP神经网络模型来拟合灰度值和温度值之间的关系，从而根据灰度值得到整个红外图像的温度值；

(5)针对步骤(3)获得的二维灰度图像，对其进行基于阈值的图像分割，从而获得图像中的目标电气设备，其具体步骤如下：